求解全局优化问题的混合自适应正交遗传算法

提出了一种基于正交实验设计的混合自适应正交遗传算法(hybrid self-adaptive orthogonal genetic algorithm,简称HSOGA)以求解全局优化问题,此算法利用正交实验设计方法设计交叉算子,并提出一种自适应正交交叉算子.该自适应正交交叉算子根据父代个体的相似度自适应地调整正交表的因素个数和对父代个体进行因素分割的位置,生成具有代表性的子代个体,以更好地搜索空间.此外,新算法利用自适应正交交叉算子生成均匀分布的初始种群,以保证初始群体的多样性.同时引入了局部搜索策略以提高算法局部搜索能力和收敛速度.通过14个高维的Benchmark函数验证了算法的通用性和有效性.

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。

一种求解全局优化问题的新混合遗传算法

把简化的二次插值法融入实数编码遗传算法,构成适于求解全局优化问题的混合遗传算法,该混合算法可以较好解决遗传算法的早熟收敛问题,提高了收敛速度,改善了解的质量,并减少了计算量.由于该混合遗传算法对目标函数的性质没有要求,适合求解大规模问题和工程实际问题.通过对23个标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是非常有效的.

解多目标优化的均匀正交遗传算法

在多目标优化中,各目标通常相互冲突且不可公度,其最优解(常称为Pareto最优解)往往有无穷多,如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要.论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法,并证明了其全局收敛性.新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解.计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解.

改进的正交遗传算法及其在函数优化中的应用

提出了一种新的正交遗传算法(OBGA),算法的特点是利用正交数组产生初始种群,它比随机产生的初始种群更均匀分布在解空间中,而且在正交设计的基础上提出了一种新的杂交算子,与高斯变异算子相结合,提高了种群的多样性和算法的局部搜索能力,最后对6个多峰函数进行了测试。数值实验结果表明,新算法正确高效,稳定性好。

基于正交试验设计和多目标遗传算法的HEV参数优化

为在满足动力性前提下,降低混合动力汽车(HEV)的油耗和排放,提出了一种新的参数优化方法。以ADVISOR为仿真平台,应用正交试验设计,找出了对油耗和排放性能影响最显著的5个动力系统部件及控制策略的系统参数。建立了HEV多目标优化模型。用多目标遗传算法和最小二乘意义下的主客观组合赋权法,得到该模型的Pareto最优解集合,并从中选出了最优参数组合。结果表明:与优化前相比较,优化后的参数下,每100 km的油耗降低25.3%,每1 km的CO的排放质量降低35.5%,每1 km的HC+NOx的排放质量降低13.7%。因而,验证了该方法的有效性。

一种新的正交多目标最优化遗传算法

文章首先构造了一个新的适应值函数,它以标准化后的目标函数的加权极大值作为个体的适应值,通过独特选取多组权重向量和正交试验方法,保持了种群的多样性,使得搜索方向在目标空间中均匀指向有效界面。该算法的显著特性是不管有效界面是否凸,都能找到足够多均匀分布的有效解。数值实验也表明了该算法非常有效。

基于正交试验的遗传算法参数优化

基本遗传算法求解优化问题的过程中存在着收敛缓慢、早熟现象以及求解的质量不高等问题.为了解决上述存在的问题,提高遗传算法的求解质量,提出使用正交试验法优化遗传算法中的主要参数,即:种群规模N、交叉概率p_c和变异概率p_m.通过使用正交试验法确定遗传参数,大大提高了算法的收敛性和求解质量.仿真结果也表明采用正交试验法设计参数的科学性和有效性.

正交设计遗传算法在固体火箭优化设计中的应用

提出了一种基于正交设计的遗传算法,给出了其在固体火箭优化设计中的一个应用实例。结果表明:对于固体火箭优化设计问题,该算法可有效减少搜索次数,加快收敛速度。

基于正交交叉操作的遗传算法及在水轮机调速器参数优化中的应用

为了确保获得最优参数 ,本文借助正交试验的设计思想 ,定义了正交交叉操作 ,并将基于正交交叉操作的遗传算法应用于水轮机调速器参数优化过程 ,仿真试验结果表明了算法的有效性和鲁棒性。

混合正交遗传算法及其在函数优化上的应用

在分析和研究正交遗传算法的基础之上,依据混合优化策略及混合遗传算法的构造原则,通过对自适应正交局部搜索算子的改进提出了一种新的变异算子。该算子具备自适应全局搜索和局部搜索的能力,能够保证算法的变异概率取值为1.0时,算法的搜索效率最高;结合正交交叉算子之后,又能保证算法的交叉概率也取值为1.0时,算法的搜索效率最高;由此解决了交叉概率和变异概率参数的匹配问题。而使用的截断选择和负相关配对、最优交叉策略、精英选择和重复个体剔除策略等组合算子,一方面能够保证算法的收敛速度;另一方面也能有效地保持种群的多样性,这样在保证算法快速收敛的同时避免出现早熟现象;由此解决了"全局最优"和"快速收敛"的矛盾。因此,提出的改进型新算法在处理一些常用的测试函数上具有较高的效率。

基于正交试验的机械车间调度并行遗传算法参数优化研究

针对调度并行遗传算法受参数影响,同一规模调度问题的求解性能大不相同的问题,通过采用正交试验方法,研究了调度并行遗传算法中子群个数、子群个体数、代沟、交叉率等8个因素对运行时间的影响规律。采用方差分析、极差分析方法,研究了因素主次顺序,分析了代沟与变异率、交叉率与变异率之间的交互作用,确定了参数最优水平组合,测试了所选参数下的FT类典型调度问题。研究结果表明:采用正交试验替代全因子试验优化调度并行遗传算法参数,能有效地改善进化过程,在保证算法质量的基础上缩短运算时间。

基于遗传算法的MIMO雷达正交编码信号波形优化

MIMO雷达通过发射正交编码信号来获得独立的空间分集增益,改善目标检测识别性能。它对发射信号波形优化设计提出了更高的要求:首先信号为正交信号,以便减低信号间干扰并获得独立的空间分集增益;其次信号为大时宽、宽带宽的脉冲压缩信号,以便解决探测距离和距离分辨率的矛盾。文中根据以上两条要求构造适合的适应度函数,提出了一种基于遗传算法的正交编码信号设计方法,为正交MIMO雷达发射信号进行波形优化,仿真结果和实验分析验证了算法的有效性和可行性。

基于正交遗传算法的概率仿真优化方法

为了有效解决含有不确定现象的复杂优化问题,文中提出了基于正交遗传算法的概率仿真优化方法.该方法将计算机仿真技术、正交遗传算法和概率中的假设检验方法完美地集成在一起,能更加有效地求解复杂优化问题.从理论方面来讲,采用概率方法来研究含有不确定现象的复杂优化问题,具有很强的合理性和可操作性;从实证方面来讲,该方法比传统方法具有更好的优化性能.

基于正交试验法的小生境混合遗传算法

在简单遗传算法应用过程中 ,为了解决早熟现象、收敛缓慢和解的精度差等问题 ,提高遗传算法的优化性能 ,借助正交试验法的全局均衡设计思想和自然界的小生境思想 ,在引入了一些高效进化操作的基础上 ,提出了一种基于正交试验法的小生境混合遗传算法 ,并进行了性能分析和实例研究 .研究结果表明 ,该算法能够有效地增强遗传算法的全局收敛性 ,加快进化速度 。

正交遗传算法在网络优化设计中的应用

利用正交实验法的全局思想,提出一种采用多点正交交换的遗传算法。算法通过正交表安排遗传算法的交换运算,并在所产生的多个子代中选择适应度大的个体进入下一代进化,这样既加快了算法的收敛速度又保证了种群的多样性。并将该算法应用在计算机网络的容量分配与路由选择优化上。实验证明,该算法较之传统遗传算法,在种群规模较小的情况下,仍然可以以较少的搜索次数,收敛到近似最优解。

遗传算法的一种特例——正交试验设计法

简要介绍正交试验设计法与遗传算法的基本原理 ,分析它们之间的内在关系 ,指出正交试验设计法可以认为是遗传算法的一种特例 ,即它是一种初始种群固定的、只使用定向变异算子的、只进化一代的遗传算法 .计算结果表明 ,正交试验设计法可以解决一般遗传算法中的最小欺骗问题 .

一种小生境正交遗传算法研究

针对标准遗传算法的不足 ,借助正交试验法的全局均衡设计思想和二元变异操作对初始种群产生方式、交叉算子和变异算子进行了改进 ,提高了种群的多样性 ;借助最优保留策略和自然界的小生境思想 ,对选择算子进行了改进 ,提高了算法的全局收敛性能 ;另外还通过引入加速正交搜索操作 ,提高了算法的收敛速度 .在此基础上 ,提出了一种小生境正交遗传算法 ,并进行了实例研究 .研究结果表明 ,该算法不但可以有效地克服标准遗传算法的缺陷 ,而且计算速度。

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·

采用混合遗传算法的建筑结构优化设计

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立了建筑结构优化模型。并提出一种离散变量结构优化设计的进退搜索算法与标准遗传算法结合成混合遗传算法,既发挥了进退搜索算法高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点。算例结果表明,这种混合遗传算法收敛快、精度高,优于标准遗传算法和进退搜索算法;是兼二者之长,弃二者之短的高效的理想优化方法,可以直接用于多种建筑结构的优化设计。